Identidad por descendencia y regresión ancestral

Autor: Cantet, Rodolfo Juan Carlos
Jazyk: Spanish; Castilian
Rok vydání: 2019
Předmět:
Zdroj: SEDICI (UNLP)
Universidad Nacional de La Plata
instacron:UNLP
Popis: Hasta el día de hoy la predicción del mérito genético (técnicamente el “valor de cría” o BV) para la selección comercial de animales, se ha realizado exitosamente asumiendo una distribución normal o Gausiana, sin necesidad de identificar las variantes genéticas responsables de la variabilidad genética aditiva del carácter o caracteres bajo selección. La información predictiva se encuentra en las relaciones de parentesco entre individuos, medidas como la fracción del BV entre individuos que es idéntica por provenir de un ancestro común (IBD), y calculadas empleando la información del pedigree. Con el advenimiento de los marcadores moleculares de una sola base (SNP), el énfasis en la información ha girado hacia el uso de modelos predictivos que asumen asociación entre SNPs y variantes causales de la(s) característica(s) bajo selección. Alternativamente, en esta presentación se describe un modelo denominado la “regresión ancestral”, un modelo para predecir el BV individual mediante una distribución causal (condicional), Gaussiana y Markoviana, regresando hacia los BV de padres y abuelos. El modelo AR reduce la varianza del residuo Mendeliano debido a la inclusión de dos parámetros adicionales por individuo, los que reflejan la recombinación y segregación del material genético de cada pareja de abuelos, ocurrido durante las respectivas meiosis. Los parámetros indican el parecido adicional de un abuelo o abuela por encima de 0.25, de modo tal que la suma de los genomas originados en cada pareja de abuelos sume a la contribución de cada padre. El modelo resultante es Markoviano y sencillo para ajustar a millones de BV animales porque no se requiere la inversión directa de la matriz de covarianzas entre los BV.
Presentación del Dr. Julio García Tobar.
Academia Nacional de Agronomía y Veterinaria
Databáze: OpenAIRE